北大85后创业三年成独角兽 光轮智能凭AI仿真数据融10亿
这家企业名为光轮智能，专注于通过AI模拟真实物理世界生成数据，为自动驾驶和人形机器人等领域提供训练所需的海量数据支持。
在具身智能和自动驾驶领域，数据是技术落地的关键。传统的真实世界数据采集存在成本高、场景覆盖不全等问题，而光轮智能选择的AI仿真造数据路径，正解决了行业痛点。
具身数据准独角兽企业跨维智能创始人贾奎曾表示，若具身智能的核心数据问题得到解决，优秀企业的估值有望达到大模型公司的10倍。
- 01 - ChatGPT启发下的创业方向
光轮智能创始人谢晨出生于1987年，2005年考入北京大学物理系，后赴美国哥伦比亚大学攻读数量金融博士学位。博士毕业后，他先后在英伟达、美国自动驾驶公司Cruise从事自动驾驶芯片和仿真平台研发，2019年回国加入蔚来负责自动驾驶仿真体系建设。
在多年的行业实践中，谢晨发现传统仿真系统依赖人工建模，效率低、成本高且难以覆盖复杂场景。2022年ChatGPT问世后，生成式AI的快速发展让他看到新机会：用AI自动生成仿真场景并合成训练数据，可缓解物理世界AI的数据不足问题。
2023年，谢晨从蔚来离职，与技术伙伴杨海波在北京中关村创立光轮智能。创业初期团队不足十人，数月后便推出第一代仿真生成平台，能通过AI自动生成大量驾驶场景，用于训练自动驾驶和机器人模型，补充现实中难以收集的场景数据。
- 02 - 数据饥渴催生的仿真数据价值
2026年被业内视为具身智能量产元年，但数据不足成为行业最大瓶颈。训练机器人需要大量真实交互数据，实地采集成本高且受环境限制，长尾场景和极端场景难以系统收集。
仿真数据具有结构清晰、精度高、易控制等优势，在训练任务中投入产出比更高。尤其是负责动作控制的模型，对高保真仿真数据依赖更大，而复杂场景的反复训练也只能通过仿真实现。
光轮智能通过半年多研发，构建了“Real2Sim2Real + RealismValidation”技术体系，减少虚拟环境与现实世界的误差，并建立场景资产库模拟不同道路、交通和操作环境。系统可生成暴雨夜晚、前车急刹、行人横穿等复杂场景，还能仿真衣服、线缆等柔性物体，助力机械臂训练叠衣服、插线缆等任务。
这套系统将机器人开发周期从3-6个月缩短至2-3周，综合训练成本降低90%以上。英伟达、谷歌、比亚迪、吉利及智元机器人、银河通用机器人等企业已成为其客户或合作伙伴。企业按数据量、评测服务或定制方案付费，光轮智能过去一年营收增长10倍，今年第一季度营收有望超去年全年。
- 03 - 仿真数据赛道海内外同步升温
海外仿真数据赛道已出现成功案例，2017年成立的Applied Intuition专注自动驾驶仿真平台，提供操作系统、软件栈、仿真平台及生成式Copilot等工具，全球前20大车企中18家使用其产品，2024年年经常性收入达4.15亿美元，2025年6月完成6亿美元F轮融资，估值达150亿美元。
国内赛道也快速发展，魔法原子2026年3月完成5亿元融资，布局仿真平台、数据服务等上下游；跨维智能2025年至今完成数亿元A1&A2轮融资，专注仿真数据与Sim2Real技术落地；RoboScience、松应科技等企业也完成亿元级融资。
仿真数据已深入产业应用，跨维智能将其用于工业检测、机器人训练；新希望用仿真数据训练农业机器人巡检喂料；奥克斯用其优化家电装配流程。仿真数据正从实验室技术走向真实产业。
本文不构成任何投资建议。
本文来自微信公众号“铅笔道”（ID：pencilnews），作者：松格，编辑：黄小贵，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com